针对舰载火箭炮在海上射击时的精度问题, 提出一种基于RBF神经网络对最优滑模控制进行优化的控制策略。首先,建立舰载火箭炮随动系统数学模型, 结合线性二次型最优控制理论与滑模控制设计一种全局最优滑模控制器(GROSMC), 既提高了系统响应速度又保证了良好的鲁棒性;接着,采用RBF神经网络对切换控制项的增益进行动态调节, 削弱滑模在切换时的抖振问题;最后,通过仿真对比验证所设计控制器的有效性, 表明该策略具有良好的控制性能, 满足系统要求。

针对指数变增益迭代学习控制(ILC)算法难以进一步改进且缺乏优化理论等问题, 提出一种指数变增益迭代学习控制(ILC)算法在线性时不变(LTI)系统中的控制增益优化方法。首先,由托普利茨矩阵特性和矩阵迭代理论得到单输入单输出(SISO)离散LTI系统中的收敛充要条件, 并证明算法的收敛性; 其次, 由最优化理论得到算法单调收敛条件, 最终得到最优控制增益的精确解, 并得出指数增益与最优控制增益之间的关系。该方法根据系统状态方程得到最优控制策略, 可计算得到精确最优控制值, 进一步提高系统收敛速度。仿真结果表明, 该方法能有效提高算法学习速度, 具有良好的控制性能。

针对连续线性系统的无限时域最优控制的在线实现问题, 在系统动态完全未知的条件下设计了一种在线Q学习算法。基于无限时域最优控制理论中的哈密顿函数与最优代价函数, 构造了连续线性系统的Q函数。采用积分强化学习方法设计了一个Actor/Critic逼近器结构, 在保证闭环渐近稳定性和最优解收敛的同时, 在线估计Q函数的参数。考虑涡轮增压发动机的6阶线性系统模型进行了数字仿真, 结果表明,Critic权重与Actor权重均渐近收敛于最优值, 实现了无模型的最优控制。

伪谱法将连续的最优控制问题转换为离散的非线性规划问题,通过非线性规划离散解插值获得原问题的解,即连续的控制函数与状态函数。首先,梳理伪谱法解最优控制问题的基础理论与求解的一般过程；其次,归纳伪谱法求解的一致性原则,包括解的存在性、可行性和最优性；然后,推导保证解一致性的方法,通过3种情况算例仿真验证了一致性原则与方法的适用性;最后,总结伪谱法的特点,提出不同应用场景下的一般求解思路和新的研究挑战。

基于多元函数泰勒公式和最优控制原理,首先,在塔克拉玛干沙漠部分中心区域(反演区域),利用2014年1月FY-3C微波成像仪10.65 GHz垂直极化的观测亮温、辐射传输模式(CRTM)的模拟亮温等资料,在原有地表发射率与2个影响因子的函数关系基础之上,构建了该区域1月份微波地表发射率与2、4个影响因子之间的线性反演模型。其次,以观测亮温为参考,分别将两种线性反演模型所得的地表发射率提供给CRTM模拟亮温,发现此时模拟亮温的平均偏差分别减少到原地表发射率模拟亮温平均偏差的56.36%和49.37%。最后,在整个塔克拉玛干沙漠地区(检验区域),选取用于反演日期中的1月18日、未用于反演日期中的1月29日,对两种线性反演模型进行了时间和空间上的独立性检验,结果表明,利用两种线性反演模型所得的地表发射率模拟亮温仍比原模拟亮温更接近观测,平均偏差也明显减小;两种线性反演模型对沙漠地区1月份地表发射率的反演具有一定的合理性和普适性,且4个因子的线性反演模型优于2个因子。

提出了一种包含在线采样、离线学习两个阶段的基于数据驱动的迭代自适应动态规划(ADP)算法，仅通过在线数据，解决输入约束的连续未知模型的非线性系统的H∞控制问题。通过策略迭代(PI）和迭代强化学习(IRL)方法推导出无模型(HJI)方程。构建3个神经网络，在线采集系统数据结束后，利用离线学习方法，近似求解无模型HJI方程，进而得到值函数、控制策略和扰动策略，神经网络的未知参数通过最小二乘方法求解。仿真结果验证了算法的可行性。

针对目前四旋翼机动控制方法效果较差的问题, 设计了一种基于非线性规划遗传算法(NPGA)优化控制量变化率的机动动作控制模型。首先, 建立了四旋翼的非线性动力学模型; 其次, 设计了机动动作最优控制模型, 并以筋斗动作为例, 建立了筋斗动作控制模型; 然后, 使用NPGA算法求解该模型, 得到最优控制量变化率序列; 最后, 将得到的筋斗动作控制量序列输入四旋翼数学模型中进行仿真验证。实验结果表明, 依据该控制量序列四旋翼可以完成预期的筋斗动作, 机动动作控制模型有效可靠。

针对不确定非线性多智能体系统的最优协同控制问题, 提出了基于辨识-评价结构的在线自适应最优控制方案。由于存在不确定性, 针对每一个智能体, 分别使用一个辨识神经网络用于估计多智能体系统的动态, 以及一个评价神经网络用于近似耦合哈密顿-雅可比方程的解, 继而导出最优协同控制律。基于辨识-评价结构, 辨识神经网络和评价神经网络可以同步调整权值。通过李雅普诺夫(Lyapunov)直接法同时保证辨识神经网络和评价神经网络的权值误差一致最终有界, 及闭环系统的稳定。最后通过仿真验证了所提方案的有效性。

为提高空间天文望远镜稳像系统中压电快摆镜(Fast Steering Mirror, FSM)的动态性能, 对压电执行器(Piezoelectric Actuator, PZT)动态迟滞补偿和控制进行研究。鉴于基于广义Play算子Prandtl-Ishlinskii(PI) 模型的求逆复杂性和迟滞曲线的非对称性, 构造一种基于广义Stop算子PI逆模型来补偿压电执行器迟滞非线性。采用Hammerstein模型对压电执行器动态迟滞特性进行建模, 以广义PI模型和自回归遍历模型(Auto-regressive Exogenous Model, ARX)分别表征Hammerstein迟滞模型中的静态非线性和率相关性, 并针对迟滞率相关模型不确定性问题, 提出一种前馈补偿和线性二次型Gauss最优控制算法(Linear Quadratic Gaussian, LQG)相结合的复合控制策略。利用自适应差分进化算法(Adaptive Differential Evolution algorithm, ADE)辨识和整定模型及控制器参数。实验结果表明: 该动态迟滞模型能够有效描述1~100 Hz频率范围内压电执行器迟滞曲线, 拟合均方根误差为0.077 1 μm(@1 Hz)~0512 3 μm(@100 Hz), 相对误差为0.31%(@1 Hz)~2.09%(@100 Hz); 实时跟踪幅值为24.5 μm的变频目标位移, LQG控制算法的跟踪精度相比于直接前馈控制和PID控制分别提高48.6%和27.02%。